LDD: линейный/DPP динамический рамочный образец для видео MLLM
arXiv:2605.11477v2 Annuales Type: заменить резюме: мультимодальные крупные языковые модели, используемые для длительного видеопонимания, требуют выбора информативной основы из массивных и избыточных кандидатов. Таким образом, с учетом визуального бюджета модели и ее логической способности выбор параметров имеет важное значение для сокращения объема вводимых ресурсов при сохранении наиболее актуальной информации для точного видеосознания. Существующие методы выбора рамок, такие как единообразный отбор проб или выборка актуальности/разнообразия, часто не учитывают важные события или сохраняют излишние рамки. С другой стороны, агентические методы отбора каркасов сопряжены с очень высокими вычислительными расходами. Кроме того, эти методы предусматривают равные символы для всех выбранных систем независимо от их важности. В этой связи мы предлагаем РДРД (динамическая резолюция ДПП), которая представляет собой систему выборки видеоматериалов, не предусматривающую подготовку кадров и бюджетную основу. Она является эффективной с расчетной точки зрения и позволяет выделять неунифицированные символические бюджетные ассигнования в рамках набора кандидатов. В частности,